기본 콘텐츠로 건너뛰기

Javascript

형제 요소 선택
.nextSibling : 다음 형제 마디선택(텍스트 포함)
.nextElementSibling : 다음 형제 요소 선택(텍스트는 제외)

onload 적용 가능 태그
<body>
<frame>
<frameset>
<iframe>
<img>
<input type="image">
<link>
<script>
<style>

Date
var date = new Date();
date.getFullYear(); // 현재년
date.getMonth(); // 0~11
date.getDate(); // 현재일
Object.valueAsDate = new Date(); // 현재 날짜 value값으로 주기

문자열 길이
String s = "Hello, World!";
console.log(s.length);

태그 숨기기
Object.style.visibility = "hidden";

시간 지연
setTimeout(function() {}, 0);

JSON 만들기
var json = {};
json.key = "value";
alert(JSON.stringify(json)); // 문자열로 변환해서 화면에 표시

대문자 소문자
"hello, world!".toUppserCase();
"hello, world!".toLowerCase();

무작위 수 생성
Math.random() // 0이상 1미만의 숫자
Math.floor(Math.random()*(max+1-min))+min // min ~ max

반올림, 올림, 내림
Math.round(); // 절반 이상은 무조건 반 올림
Math.ceil(); // 소수점 올림
Math.floor(); // 소수점 버림

Timing Events
- setTimeout(function, milliseconds)
- setinterval(function milliseconds)

숫자를 문자열로
""+숫자
String(숫자)
숫자.toString(진법) // 몇진법으로 변환
숫자.toFixed(소수자리수) // 소수자리수를 지정한 실수로 변환

문자열을 숫자로
parseInt(문자열) // 숫자가 아닌 문자까지의 문자열을 숫자로 변환
parseFloat(문자열) // 실수
Number(문자열) // 정수 & 실수

엔터키 감지하기
<input type="password" onkeypress="func(event)" />
function func(e) {
    if(e.keyCode == 13) { // enter는 13이다!
        alert("엔터를 입력하셨습니다!");
    }
}

document.createElement("div");

# 현재 창 준비 단계 확인
document.readyState
# 'loading' : 문서를 불러오는 중
# 'interactive' : 문서가 완전히 불러와짐
# 'complete' : 문서외 리소스 전부 불러와짐

# 예제
document.onreadystatechange = () => {
    if (document.readyState === "interactive") {
        initApplication();
    }
};

이 블로그의 인기 게시물

React 시작하기

App.js import Hello from './comp/Hello' ; function App() {   return (     < div className = "App" >       < Hello />     </ div >   ); } export default App; export default App; Hello.js import './Hello.css' ; function Hello() {   return (     < h1 > Hello, World! </ h1 >   ); } export default Hello; Hello.css h1 {   color : red; }

Python 인공신경망 추천 시스템(회귀)

예제 # 인공신경망을 이용한 추천 시스템 # - 순차형(Sequential) 신경망 생성법 # - 함수형(Functional) 신경망 생성법 # - 지금까지 나온 추천 방식 중에서 가장 좋은 성능 # - Regression 방식으로 분석가능 # - 영화의 평점 정보(userid, movieid, rating) # - 이용자는 영화에 대한 취향이 모두 다르다 # - 영화는 다양한 장르가 혼합되어 있다 # - 이용자는 자신의 취향에 맞는 영화에 높은 rating을 제시함 # - 어떤 이용자에게 어떤 장르의 영화를 추천할 것인가? # __call__() 함수를 가진 클래스는 파이썬 함수 callable(클래스)를 사용하면 True를 반환한다 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Embedding, Input input = Input(shape=(1,)) # 함수형 신경망 생성법 hidden1 = Dense(2, activation='relu')(input) # Dense(2, activation='relu')__call__() hidden2 = Dense(2, activation='relu')(hidden1) # callable.object callable(Dense) # __call__ 함수가 있으면 True, 없으면 False # Using Functional API from keras.models import Sequential from keras.layers import * model = Sequential() model.add(Input(shape=(3,))) # Input tensor model.add(Dense(4)) # hidden layer 1 model.add(Dense(units=4)) # hidden layer 2 model.add(Dense(units=1)) # ou...

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...